一种基于深度强化学习的作业车间自适应调度方法技术

本发明专利技术公开了一种基于深度强化学习的作业车间自适应调度方法，在近端策略优化算法中设计优化的动作策略和异步更新机制，形成直接高效探索和异步更新近端策略优化算法，基于直接高效探索和异步更新近端策略优化算法，将图神经网络与原始状态信息的分层非线性细化相结合，设计了一种端到端的强化学习方法，基于此，获得一个自适应调度系统。本发明专利技术的直接高效探索和异步更新近端策略优化算法具有高级鲁棒性，调度得分比近端策略优化算法提高5.6％，最小完成时间比深度Q网络算法降低8.9％。实验结果证明了所提出的自适应调度策略的有效性和通用性。略的有效性和通用性。略的有效性和通用性。

An adaptive job shop scheduling method based on deep reinforcement learning

【技术实现步骤摘要】
一种基于深度强化学习的作业车间自适应调度方法


[0001]本专利技术属于作业车间自适应调度
，涉及一种基于深度强化学习的作业车间自适应调度方法。

技术介绍

[0002]随着信息技术在制造业中的发展，智能制造和可重构制造应运而生。作业车间调度问题由于能够最优地分配有限的资源，提高生产效率而备受关注。JSSP本质上是一个组合优化问题，传统上区分精确算法(数学方法)和近视算法方法。解决JSSP的精确算法主要基于运筹学产生，如数学规划法，拉格朗松弛法以及分支界限法等。这些方法从理论上可以得出最优解。然而因为该方法需要精准的建模和大量的计算，所有多数还停留在理论层面而不能应用于实际生产。
[0003]为了解决这一问题，许多学者将目光转移到了近似算法，如优先规则或元启发式算法。这些优先规则，如先进先出(First In First，FIFO)、最长处理时间(Longest Processing Time，LPT)、大部分剩余操作(Most Operation Remaining，MOPR)、大部分剩余处理时间(Most Work Remain本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度强化学习的作业车间自适应调度方法，其特征在于：该方法包括以下步骤：(1)构建作业车间调度问题的调度函数模型：设有以n个作业和m台机器，每个作业包括m个不同的工序，在作业车间调度中，n个作业J＝{J1，J2......，J
n
}必须在m台机器m＝{M1，M2……
，M
m
}上按照预先知道的不同顺序进行处理，设O
k，b
表示为工件b第k个工序，每个工序O
k，b
都必须在特定的时间段内在特定的机器上执行，工件b在机器M
k
上的处理时间用t
b，k
标记，t
b，k
是预先确定的，工件b在M
k
机器上的实际完成时间用C
b，k
表示，它等于A
b，k
+t
b，k
，，其中A
b，k
表示工件b在M
k
机器上的开始处理时间，一个工件在它最后一个工序完成之后就全部完成，所有的调度目标都取决于所有工件的完成时间；最小化最大完工时间的目标函数对应调度的长度；作业车间调度问题的调度函数模型定义为：C
max
＝min max{C
b，k
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，b＝1，2
……
n；k＝1，2
……
，m；C
bk
‑
t
bk
+M(1
‑
y
bhk
)≥C
bh
ꢀꢀꢀꢀꢀꢀꢀ
(2)其中，M是一个极大值，b＝1，2
……
n；h，k＝1，2
……
，m；C
bk
表示工件b在M
k
机器上的实际完成时间；t
b，k
表示工件b在机器M
k
上的处理时间；C
bh
表示工件b在M
h
机器上的实际完成时间；y
bhk
表示条件函数如(4)，若工件b在机器h上加工先于机器k，y
bhk
等于1，否则等于0.C
ak
‑
C
bk
+M(1
‑
x
bak
)≥t
ak
ꢀꢀꢀꢀꢀ
(3)其中，M是一个极大值，a，b＝1，2
……
n；k＝1，2
……
，m；C
ak
表示工件a在M
k
机器上的实际完成时间，C
bk
表示工件b在M
k
机器上的实际完成时间；t
a，k
表示工件a在机器M
k
上的处理时间；x...

【专利技术属性】
技术研发人员：干雪梅，李少波，张钧星，张安思，左颖，
申请(专利权)人：贵州大学，
类型：发明
国别省市：